DE112010002673T5 - METHOD AND DEVICE FOR AUTOMATED PREDICTIVEDESIGN SPACE ESTIMATION - Google Patents
METHOD AND DEVICE FOR AUTOMATED PREDICTIVEDESIGN SPACE ESTIMATION Download PDFInfo
- Publication number
- DE112010002673T5 DE112010002673T5 DE112010002673T DE112010002673T DE112010002673T5 DE 112010002673 T5 DE112010002673 T5 DE 112010002673T5 DE 112010002673 T DE112010002673 T DE 112010002673T DE 112010002673 T DE112010002673 T DE 112010002673T DE 112010002673 T5 DE112010002673 T5 DE 112010002673T5
- Authority
- DE
- Germany
- Prior art keywords
- input
- values
- range
- performance metric
- value range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 142
- 230000004044 response Effects 0.000 claims abstract description 305
- 238000013461 design Methods 0.000 claims abstract description 150
- 230000008569 process Effects 0.000 claims abstract description 56
- 238000004590 computer program Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims description 32
- 238000004519 manufacturing process Methods 0.000 claims description 30
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 7
- 239000004065 semiconductor Substances 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 claims 1
- 239000000446 fuel Substances 0.000 description 28
- 239000004071 soot Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013479 data entry Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000010925 quality by design Methods 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013400 design of experiment Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 2
- 239000013543 active substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000001913 cellulose Substances 0.000 description 2
- 229920002678 cellulose Polymers 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000008101 lactose Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 2
- 239000010452 phosphate Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- GUBGYTABKSRVRQ-XLOQQCSPSA-N Alpha-Lactose Chemical compound O[C@@H]1[C@@H](O)[C@@H](O)[C@@H](CO)O[C@H]1O[C@@H]1[C@@H](CO)O[C@H](O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-XLOQQCSPSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Architecture (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Beschrieben wurden computerbasierte Verfahren und Geräte, einschließlich Computerprogrammprodukten, für eine automatisierte Predictive Design Space Estimation. Ein Design Space für Eingabefaktoren und Ausgabeantworten wird für einen technischen Prozess geschätzt. Daten werden für einen oder mehrere Eingabefaktoren für einen technischen Prozess, eine oder mehrere Ausgabeantworten für den Prozess, sowie Kriterien empfangen. Für jeden der einzelnen oder mehreren Eingabefaktoren wird ein berechneter Eingabewertebereich innerhalb der entsprechenden Versuchsspanne von Eingabewerten berechnet. Ein modifizierter Eingabewertebereich wird für jeden der einzelnen oder mehreren Eingabefaktoren berechnet. Eine Design Space Estimation wird mindestens basierend auf den modifizierten Eingabewertebereichen errechnet, wobei die modifizierten Eingabewertebereiche jeweils einen größten Variabilitätsbereich umfassen, bei dem die Kriterien für einen oder mehrere der Eingabefaktoren erfüllt sind.Computer-based methods and devices, including computer program products, for automated predictive design space estimation have been described. A design space for input factors and output responses is estimated for a technical process. Data is received for one or more input factors for a technical process, one or more output responses for the process, and criteria. For each of the individual or multiple input factors, a calculated input value range is calculated within the corresponding test range of input values. A modified range of input values is calculated for each of the individual or multiple input factors. A design space estimate is calculated based at least on the modified input value ranges, the modified input value ranges each comprising a largest variability range in which the criteria for one or more of the input factors are met.
Description
GEBIET DER ERFINDUNGFIELD OF THE INVENTION
Die vorliegende Erfindung betrifft im Allgemeinen computergestützte Verfahren und Vorrichtungen, einschließlich Computerprogrammprodukte, für eine automatisierte Predictive Design Space Estimation.The present invention relates generally to computerized methods and apparatus, including computer program products, for automated predictive design space estimation.
HINTERGRUNDBACKGROUND
In der Pharmaindustrie stellt der Einsatz von „Quality by Design” (QbD) einen sich ständig entwickelnden Prozess dar. QbD ist ein systematischer Prozess zur Sicherstellung der Qualität eines Produktes von der Anfangsphase bis hin zum fertigen Produkt. Im Besonderen bezieht sich QbD auf das Maß an Wirksamkeit einer Designfunktion bei der Bestimmung der operativen Anforderungen an ein Produkt (und deren Einbindung in Designanforderungen), die in einem Produktionsprozess in ein Endprodukt umgewandelt werden können. Dies wird häufig als Design Space bezeichnet, welcher die multidimensionale Kombination und Interaktion von Eingabefaktoren (z. B. Materialeigenschaften) ist, die nachweislich zur Sicherung der Qualität dienen. Für einen Herstellungsprozess ist ein Design Space beispielsweise die Menge möglicher Designs und Designparameter (Eingabefaktoren), die eine spezifische Produktanforderung (eine oder mehrere Ausgabeantworten) erfüllen. Die Untersuchung eines Design Space erfordert die Bewertung der verschiedenen möglichen Designoptionen mit einer gegebenen Technologie und die Optimierung der Eingabefaktoren sowie der Ausgabeantworten in Bezug auf spezifische Einschränkungen (z. B. Energie, Kosten, Mischungsversuchsplan).In the pharmaceutical industry, the use of "Quality by Design" (QbD) is a constantly evolving process. QbD is a systematic process for ensuring the quality of a product from the initial stage to the finished product. In particular, QbD refers to the degree of effectiveness of a design function in determining the operational requirements for a product (and its incorporation into design requirements) that can be transformed into a final product in a production process. This is often referred to as Design Space, which is the multidimensional combination and interaction of input factors (eg, material properties) that are proven to help ensure quality. For example, for a manufacturing process, a design space is the set of possible designs and design parameters (input factors) that meet a specific product requirement (one or more output responses). Studying a Design Space requires evaluating the various design options possible with a given technology and optimizing the input factors and output responses to specific constraints (eg, energy, cost, mixture design).
In der Halbleitergerätefertigungsindustrie sind die Gerätehersteller zu enger tolerierten Prozess- und Materialspezifikationen übergegangen, indem sie darauf vertrauten, dass die Hersteller von Prozesstools stets bessere und/oder schnellere Prozess- und Hardwarekonfigurationen entwickeln würden. Da jedoch die Gerätegeometrien bis in den Nanometerbereich verkleinert werden, erhöht sich die Komplexität der Herstellungsprozesse und es wird schwieriger, Prozess- und Materialspezifikationen zu erfüllen.In the semiconductor device manufacturing industry, device manufacturers have moved to more tightly tolerated process and material specifications, trusting that process tool manufacturers would always develop better and / or faster process and hardware configurations. However, as the device geometries are scaled down to the nanometer scale, the complexity of manufacturing processes increases and it becomes more difficult to meet process and material specifications.
Ein typisches bei der gegenwärtigen Herstellung von Halbleitern verwendetes Prozesstool kann mittels einer Reihe von mehreren tausend Prozessvariablen beschrieben werden. Die Variablen sind im Allgemeinen mit physikalischen Parametern des Herstellungsprozesses und/oder Tools verbunden, die bei dem Herstellungsprozess verwendet werden. In einigen Fällen sind von diesen mehreren tausend Variablen mehrere hundert Variablen dynamisch (z. B. sie ändern sich mit der Zeit während des Herstellungsprozesses oder zwischen den Herstellungsprozessen). Die dynamischen Variablen (z. B. Gasströmung, Gasdruck, abgegebene Leistung, Strom, Spannung und Temperatur) ändern sich auf Basis verschiedener Betriebsfaktoren (z. B. einer speziellen Bearbeitungsrezeptur, des bestimmten Schrittes oder einer Reihe von Schritten in dem Gesamtablauf von Bearbeitungsschritten, Fehlern und Mängeln, die während des Herstellungsprozesses auftreten, oder Änderungen (z. B. als „Abweichung” bezeichnet) der Parameterwerte basierend auf der Verwendung eines bestimmten Instruments oder einer Kammer).A typical process tool used in current semiconductor manufacturing can be described by a series of several thousand process variables. The variables are generally associated with physical parameters of the manufacturing process and / or tool used in the manufacturing process. In some cases, of these several thousand variables, several hundred variables are dynamic (eg, they change with time during the manufacturing process or between the manufacturing processes). The dynamic variables (eg, gas flow, gas pressure, output power, current, voltage, and temperature) vary based on various operating factors (eg, a particular processing recipe, the particular step, or a series of steps in the overall flow of processing steps, Errors and deficiencies that occur during the manufacturing process or changes (eg, referred to as "drift") in the parameter values based on the use of a particular instrument or chamber).
Anwender können den Herstellungsprozess beispielsweise durch das Ändern von Eingabefaktoren steuern, die den Produktionsprozess beeinflussende Variablen sind. Für jeden Herstellungsprozess können Ausgabeantwortwerte (z. B. Temperatur, Ertrag, Qualitätsmerkmale) gemessen werden, die von Eingabefaktoren abhängig sind. Es können Experimente für den jeweiligen Herstellungsprozess durchgeführt werden, um zu bestimmen, welche Kombinationen von Eingabefaktorwerten zu geeigneten Ausgabeantwortwerten führen.For example, users can control the manufacturing process by changing input factors that are variables affecting the production process. For each manufacturing process, output response values (eg, temperature, yield, quality characteristics) that are dependent on input factors may be measured. Experiments for the particular manufacturing process may be performed to determine which combinations of input factor values result in appropriate output response values.
Das Verfahren der statischen Versuchsplanung oder „Design of Experiment (DOE)” ist ein strukturiertes, organisiertes Verfahren zur Bestimmung der Beziehung zwischen Eingabefaktoren für einen Prozess (z. B. einen Herstellungsprozess, Mischungsversuchsplan) und den Ausgabeantworten dieses Prozesses. Das DOE-Verfahren kann unbestimmte Messwerte von Eingabefaktoren und Interaktionen zwischen den Eingabefaktoren statistisch durch Berücksichtigen der Ergebnisse methodischer Änderungen der Eingabefaktoren quantifizieren. Wenn es mit dem Prozess im Zusammenhang stehende operative Kriterien gibt, werden die Ausgabeantwortwerte für verschiedene Kombinationen von Eingabefaktoren gemessen, um zu bestimmen, ob die operativen Kriterien für jede Kombination erfüllt werden.The Design of Experiment (DOE) method is a structured, organized method for determining the relationship between input factors for a process (eg, a manufacturing process, compounding design) and the output responses of that process. The DOE method can statistically quantify indeterminate measurements of input factors and interactions between input factors by taking into account the results of methodological changes in the input factors. If there are operational criteria associated with the process, the output response values for various combinations of input factors are measured to determine if the operational criteria for each combination are met.
Die Untersuchung eines Design Space erfordert das manuelle Beurteilen der verschiedenen möglichen Designoptionen auf Grundlage jeglicher operativen Kriterien. Es gibt keine Möglichkeit, automatisch geeignete Variabilitätsbereiche jedes Eingabefaktors vorzusehen oder Ergebnisbereiche zu errechnen. Der Analyseprozess wird noch komplizierter, wenn mehrere Anforderungen an die Ausgabeantworten und verschiedene Arten von Einschränkungen gleichzeitig erfüllt werden müssen. Des Weiteren wäre es in Bezug auf grafische Methoden erstrebenswert, Design Spaces auf eine Art und Weise anzuzeigen, dass diese von einem Anwender einfach analysiert und interpretiert werden können.Examining a Design Space requires manually assessing the various possible design options based on any operational criteria. There is no way to automatically provide suitable variability ranges of each input factor or calculate ranges of results. The analysis process becomes even more complicated when multiple requests for output responses and various types of constraints need to be met simultaneously. Furthermore, it would be in terms of graphical Methods to display design spaces in such a way that they can be easily analyzed and interpreted by a user.
ZUSAMMENFASSUNG DER ERFINDUNGSUMMARY OF THE INVENTION
Die Erfindung betrifft in einem Aspekt ein computergestütztes Verfahren zur Schätzung eines Design Space von Eingabefaktoren und Ausgabeantworten für einen physikalischen Prozess. In Bezug auf jede hierin beschriebene Ausführung kann ein physikalischer Prozess ein industrieller Prozess, ein Herstellungsprozess, ein Halbleiterprozess, ein Analysesystem oder -verfahren oder ein Design-Projekt sein. Das Verfahren umfasst das Empfangen, über einen Prozessor, von Daten für einen oder mehrere Eingabefaktoren für einen physikalischen Prozess, eine oder mehrere Ausgabeantworten für den Prozess und Kriterien. Die Kriterien umfassen ein Zielanzeigekriterium für jede der einen oder mehreren Ausgabeantworten, einen geschätzten optimalen Wert für jeden des einen oder der mehreren Eingabefaktoren, um die Zielantwortkriterien zu erfüllen, und eine Versuchsspanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, wobei jeder Eingabewert in der Versuchsspanne von Eingabewerten maßgebend für einen Ausgabeantwortwert für jede der einen oder mehreren Ausgabeantworten ist. Das Verfahren umfasst das Berechnen einer errechneten Spanne von Eingabewerten innerhalb der entsprechenden Versuchsspanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren mit Hilfe des Prozessors. Das Berechnen umfasst das Auswählen einer ersten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der ersten Spanne von Eingabewerten, um eine erste Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der ersten Spanne von Eingabewerten auf Grundlage eines Vergleichs der ersten Leistungsmetrik und einer vorgegebenen Leistungsmetrik. Das Verfahren umfasst das Berechnen einer modifizierten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren mit Hilfe des Prozessors. Für jeden Eingabefaktor des einen oder der mehreren Eingabefaktoren umfasst das Verfahren das Auswählen einer zweiten Spanne von Eingabewerten durch Erweitern der errechneten Spanne von Eingabewerten um einen vorgegebenen Prozentsatz, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der zweiten Spanne von Eingabewerten, um eine zweite Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der modifizierten Spanne von Eingabewerten für den Eingabefaktor durch Anpassen der zweiten Spanne von Eingabewerten auf Grundlage eines Vergleichs der zweiten Leistungsmetrik und der vorgegebenen Leistungsmetrik. Das Verfahren umfasst das Vorhersagen eines Design Space Estimate mit Hilfe des Prozessors auf Grundlage von wenigstens der modifizierten Spannen von Eingabewerten, wobei die modifizierten Spannen von Eingabewerten jeweils einen größten Variabilitätsbereich umfassen, in dem die Kriterien für einen oder mehrere der Eingabefaktoren erfüllt werden.The invention in one aspect relates to a computer-aided method for estimating a design space of input factors and output responses for a physical process. With respect to any embodiment described herein, a physical process may be an industrial process, a manufacturing process, a semiconductor process, an analysis system or method, or a design project. The method includes receiving, via a processor, data for one or more input factors for a physical process, one or more output responses for the process, and criteria. The criteria include a target display criterion for each of the one or more output responses, an estimated optimal value for each of the one or more input factors to meet the target response criteria, and a trial span of input values for each of the one or more input factors, each input value in the span of input values is indicative of an output response value for each of the one or more output responses. The method includes calculating a calculated range of input values within the corresponding experimental range of input values for each of the one or more input factors using the processor. The calculating includes selecting a first range of input values for each of the one or more input factors, predicting values of the one or more output responses based on the first range of input values to determine a first performance metric for each of the one or more output responses; and generating the calculated range of input values for each of the one or more input factors by adjusting the first range of input values based on a comparison of the first performance metric and a predetermined performance metric. The method includes calculating a modified range of input values for each of the one or more input factors using the processor. For each input factor of the one or more input factors, the method includes selecting a second range of input values by expanding the calculated range of input values by a predetermined percentage, predicting values of the one or more output responses based on the second range of input values determining the second performance metric for each of the one or more output responses, and generating the modified range of input values for the input factor by adjusting the second range of input values based on a comparison of the second performance metric and the predetermined performance metric. The method includes predicting a design space estimate using the processor based on at least the modified ranges of input values, wherein the modified ranges of input values each include a largest range of variability by meeting the criteria for one or more of the input factors.
In einer anderen Ausführung umfasst das Design Space Estimate ferner eine Verteilung von Ausgabeantwortwerten für jede der einen oder mehreren Ausgabeantworten, wobei die modifizierten Spannen von Eingabewerten maßgebend für die Verteilung von Ausgabeantwortwerten sind. Für jede der einen oder mehreren Ausgabeantworten kann eine vorgegebene Anzahl von Ausgabeantwortwerten innerhalb der Verteilung von Ausgabeantwortwerten innerhalb vorgegebener Grenzwerte für die Ausgabeantwort liegen, wenn die vorgegebene Leistungsmetrik erfüllt wird.In another embodiment, the space estimate design further comprises distributing output response values for each of the one or more output responses, wherein the modified ranges of input values are representative of the distribution of output response values. For each of the one or more output responses, a predetermined number of output response values within the distribution of output response values may be within predetermined limits for the output response when the predetermined performance metric is met.
In einer weiteren Ausführung umfasst das Vorhersagen des Design Space Estimate das Vorhersagen eines einzelnen größten Variabilitätsbereichs für jeden Eingabefaktor, während jegliche verbleibenden Eingabefaktoren auf ihren zugehörigen geschätzten optimalen Wert gesetzt werden. Das Vorhersagen des Design Space Estimate kann das Vorhersagen eines kombinierten größten Variabilitätsbereichs für jeden Eingabefaktor umfassen, wobei Werte von jedem des einen oder der mehreren Eingabefaktoren überall innerhalb des entsprechenden kombinierten größten Variabilitätsbereichs liegen und die vorgegebene Leistungsmetrik für jede Ausgabeantwort erfüllen können.In another embodiment, predicting the Design Space Estimate involves predicting a single largest variability range for each input factor while setting any remaining input factors to their associated estimated optimal value. Predicting the Design Space Estimate may include predicting a combined largest variability range for each input factor, where values of each of the one or more input factors are anywhere within the corresponding combined largest variability range and may meet the predetermined performance metric for each output response.
In einer weiteren Ausführung umfasst das Erzeugen der errechneten Spanne von Eingabewerten das Auswählen einer dritten Spanne von Eingabewerten durch Reduzieren der ersten Spanne von Eingabewerten um einen vorgegebenen Prozentsatz, wenn die erste Leistungsmetrik unterhalb der vorgegebenen Leistungsmetrik liegt. Das Verfahren kann das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der dritten Spanne von Eingabewerten umfassen, um eine dritte Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, sowie das Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der dritten Spanne von Eingabewerten auf Grundlage eines Vergleichs der dritten Leistungsmetrik und der vorgegebenen Leistungsmetrik. In another embodiment, generating the calculated range of input values comprises selecting a third range of input values by reducing the first range of input values by a predetermined percentage when the first performance metric is below the predetermined performance metric. The method may include predicting values of the one or more output responses based on the third range of input values to determine a third performance metric for each of the one or more output responses, and generating the calculated range of input values for each of the one or more Input factors by adjusting the third range of input values based on a comparison of the third performance metric and the predetermined performance metric.
In einer weiteren Ausführung umfasst das Erzeugen der errechneten Spanne von Eingabewerten die folgenden Schritte, wenn die erste Leistungsmetrik oberhalb der vorgegebenen Leistungsmetrik liegt: Festlegen einer Schrittgröße auf einen vorgegebenen Prozentsatz einer Größe der zweiten Spanne von Eingabewerten, Auswählen einer dritten Spanne von Eingabewerten durch Erweitern der ersten Spanne von Eingabewerten auf Grundlage der Schrittgröße, Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der dritten Spanne von Eingabewerten, um eine dritte Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der dritten Spanne von Eingabewerten auf Grundlage eines Vergleichs der dritten Leistungsmetrik und der vorgegebenen Leistungsmetrik.In a further embodiment, generating the calculated range of input values comprises the following steps when the first performance metric is above the predetermined performance metric: setting a step size to a predetermined percentage of a magnitude of the second range of input values, selecting a third range of input values by expanding the first span of input values based on the step size, predicting values of the one or more output responses based on the third span of input values to determine a third performance metric for each of the one or more output responses, and generating the calculated range of input values for each of the one or the plurality of input factors by adjusting the third range of input values based on a comparison of the third performance metric and the predetermined performance metric.
In einer weiteren Ausführung umfasst das Erzeugen der errechneten Spanne von Eingabewerten die folgenden Schritte, wenn die dritte Leistungsmetrik unterhalb der vorgegebenen Leistungsmetrik liegt: Auswählen einer vierten Spanne von Eingabewerten durch Erweitern der dritten Spanne von Eingabewerten auf Grundlage der Schrittgröße, Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der vierten Spanne von Eingabewerten, um eine vierte Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der vierten Spanne von Eingabewerten auf Grundlage eines Vergleichs der vierten Leistungsmetrik und der vorgegebenen Leistungsmetrik. Das Erzeugen der errechneten Spanne von Eingabewerten kann die folgenden Schritte umfassen, wenn die dritte Leistungsmetrik oberhalb der vorgegebenen Leistungsmetrik liegt: Setzen der dritten Spanne von Eingabewerten gleich der ersten Spanne von Eingabewerten, Reduzieren der Schrittgröße um einen vorgegebenen Prozentsatz, Auswählen einer vierten Spanne von Eingabewerten durch Erweitern der dritten Spanne von Eingabewerten auf Grundlage der Schrittgröße, Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der vierten Spanne von Eingabewerten, um eine vierte Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der vierten Spanne von Eingabewerten auf Grundlage eines Vergleichs der vierten Leistungsmetrik und der vorgegebenen Leistungsmetrik.In a further embodiment, generating the calculated range of input values comprises the following steps when the third performance metric is below the predetermined performance metric: selecting a fourth range of input values by expanding the third range of input values based on the step size, predicting values of the one or more input values a plurality of output responses based on the fourth span of input values to determine a fourth performance metric for each of the one or more output responses, and generating the calculated range of input values for each of the one or more input factors by adjusting the fourth range of input values based on a comparison the fourth performance metric and the predetermined performance metric. Generating the calculated range of input values may include the following steps if the third performance metric is above the predetermined performance metric: setting the third range of input values equal to the first range of input values, reducing the step size by a predetermined percentage, selecting a fourth range of input values by expanding the third range of input values based on the step size, predicting values of the one or more output responses based on the fourth range of input values to determine a fourth performance metric for each of the one or more output responses, and generating the calculated range of input values for each of the one or more input factors by adjusting the fourth range of input values based on a comparison of the fourth performance metric and the predetermined performance metric.
In einer weiteren Ausführung umfasst das Erzeugen der modifizierten Spanne von Eingabewerten die folgenden Schritte, wenn die zweite Leistungsmetrik oberhalb der vorgegebenen Leistungsmetrik liegt: Setzen der modifizierten Spanne von Eingabewerten gleich der zweiten Spanne von Eingabewerten und Assoziieren einer Fertigstellungsmarkierung mit dem Eingabefaktor. Das Erzeugen der modifizierten Spanne von Eingabewerten kann die folgenden Schritten umfassen, wenn die zweite Leistungsmetrik unterhalb der vorgegebenen Leistungsmetrik liegt: Auswählen einer dritten Spanne von Eingabewerten durch Erweitern der zweiten Spanne von Eingabewerten um eine Schrittgröße, wobei die Schrittgröße zur Auswahl der zweiten Spanne von Eingabewerten verwendet wurde, Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der dritten Spanne von Eingabewerten, um eine dritte Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und Erzeugen der modifizierten Spanne von Eingabewerten für den Eingabefaktor durch Anpassen der dritten Spanne von Eingabewerten auf Grundlage eines Vergleichs der dritten Leistungsmetrik und der vorgegebenen Leistungsmetrik.In another embodiment, generating the modified span of input values comprises the following steps when the second performance metric is above the predetermined performance metric: setting the modified range of input values equal to the second span of input values and associating a completion marker with the input factor. Generating the modified range of input values may include the following steps if the second performance metric is below the predetermined performance metric: selecting a third range of input values by expanding the second range of input values by one step size, the step size selecting the second range of input values predicting values of the one or more output responses based on the third span of input values to determine a third performance metric for each of the one or more output responses, and generating the modified range of input values for the input factor by adjusting the third range of input values based on a comparison of the third performance metric and the predetermined performance metric.
In einer weiteren Ausführung umfasst das Berechnen der modifizierten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren des Weiteren die folgenden Schritte: Bestimmen eines jeden des einen oder der mehreren Eingabefaktoren, der mit einer Fertigstellungsmarkierung assoziiert ist, Reduzieren einer Schrittgröße, die zur Auswahl der zweiten Spanne von Eingabewerten verwendet wurde, um einen vorgegebenen Prozentsatz, und für jeden des einen oder der mehreren Eingabefaktoren des einen oder der mehreren Eingabefaktoren: Auswählen einer dritten Spanne von Eingabewerten durch Erweitern der zweiten Spanne von Eingabewerten um die Schrittgröße, Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der dritten Spanne von Eingabewerten, um eine dritte Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und Erzeugen der modifizierten Spanne von Eingabewerten für den Eingabefaktor durch Anpassen der dritten Spanne von Eingabewerten auf Grundlage eines Vergleichs der dritten Leistungsmetrik und der vorgegebenen Leistungsmetrik.In another embodiment, calculating the modified range of input values for each of the one or more input factors further comprises the steps of: determining each of the one or more input factors associated with a completion marker, reducing a step size to be selected the second span of input values by a predetermined percentage, and for each of the one or more input factors of the one or more input factors: selecting a third span of input values by extending the second span of input values by the step size, predicting values of the input values one or more output responses based on the third span of input values to determine a third performance metric for each of the one or more output responses, and generating the modified range of input values for the input factor by adjusting the third span ne of input values based on a comparison of the third performance metric and the given performance metric.
In einer weiteren Ausführung umfasst das Vorhersagen der Werte der einen oder mehreren Ausgabeantworten das Durchführen einer Monte-Carlo-Simulation, und die erste Leistungsmetrik, die zweite Leistungsmetrik und die vorgegebene Leistungsmetrik sind ein Maß für die Anzahl von Werten der einen oder mehreren Ausgabeantworten innerhalb vorgegebener Grenzwerte. Das Auswählen der ersten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren kann das Festlegen der ersten Spanne von Eingabewerten auf einen vorgegebenen Prozentsatz eines unteren äußeren Grenzwerts des entsprechenden Eingabefaktors umfassen. In a further embodiment, predicting the values of the one or more output responses comprises performing a Monte Carlo simulation, and the first performance metric, the second performance metric, and the predetermined performance metric are a measure of the number of values of the one or more output responses within predetermined ones limits. Selecting the first range of input values for each of the one or more input factors may include setting the first range of input values to a predetermined percentage of a lower outer limit of the corresponding input factor.
In einer weiteren Ausführung umfasst das Verfahren die folgenden Schritte: Empfangen einer Einschränkung für den einen oder die mehreren Eingabefaktoren und Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der ersten Spanne von Eingabewerten, das des Weiteren das Anpassen des Errechneten umfasst, um die Einschränkung auszugleichen. Die Einschränkung kann eine benutzerdefinierte Grenze in Bezug auf einen oder mehrere Eingabefaktoren, eine Faktorverteilung oder eine jegliche Kombination davon einschließen. Das Zielantwortkriterium für jede der einen oder mehreren Ausgabeantworten kann einen Zielantwortwert, eine Spanne geeigneter Zielantwortwerte oder einen kritischen Zielantwortwert umfassen, wobei die Ausgabeantwort entweder oberhalb oder unterhalb des kritischen Zielantwortwerts liegen kann. In einer Ausführung umfasst der physikalische Prozess einen Herstellungsprozess, einen industriellen Prozess, ein Design-Projekt, ein Halbleiterprojekt oder jedwede Kombination davon.In a further embodiment, the method includes the steps of: receiving a constraint on the one or more input factors and predicting values of the one or more output responses based on the first range of input values, further comprising adjusting the computed to the constraint compensate. The constraint may include a user-defined limit with respect to one or more input factors, a factor distribution, or any combination thereof. The target response criterion for each of the one or more output responses may include a target response value, a range of appropriate target response values, or a critical target response value, wherein the output response may be either above or below the critical target response value. In one embodiment, the physical process includes a manufacturing process, an industrial process, a design project, a semiconductor project, or any combination thereof.
Die Erfindung betrifft in einem weiteren Aspekt eine Vorrichtung zur Schätzung eines Design Space von Eingabefaktoren und Ausgabeantworten für einen physikalischen Prozesses. Die Vorrichtung umfasst einen Prozessor, der so konfiguriert ist, dass er Daten für einen oder mehrere Eingabefaktoren für einen physikalischen Prozess, eine oder mehrere Ausgabeantworten für den Prozess und Kriterien empfängt. Die Kriterien umfassen ein Zielantwortkriterium für jede der einen oder mehreren Ausgabeantworten, einen geschätzten optimalen Wert für jeden des einen oder der mehreren Eingabefaktoren, um die Zielantwortkriterien zu erfüllen, und eine Versuchsspanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, wobei jeder Eingabewert in der Versuchsspanne von Eingabewerten maßgebend für einen Ausgabeantwortwert für jede der einen oder mehreren Ausgabeantworten ist. Der Prozessor ist darüber hinaus konfiguriert, um für jeden des einen oder der mehreren Eingabefaktoren eine errechnete Spanne von Eingabewerten innerhalb der entsprechenden Versuchsspanne von Eingabewerten zu berechnen. Das Berechnen umfasst das Auswählen einer ersten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der ersten Spanne von Eingabewerten, um eine erste Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der ersten Spanne von Eingabewerten auf Grundlage eines Vergleichs der ersten Leistungsmetrik und einer vorgegebenen Leistungsmetrik. Der Prozessor ist darüber hinaus konfiguriert, um eine modifizierte Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren zu berechnen. Das Berechnen umfasst für jeden Eingabefaktor des einen oder der mehreren Eingabefaktoren das Auswählen einer zweiten Spanne von Eingabewerten durch Erweitern der errechneten Spanne von Eingabewerten um einen vorgegebenen Prozentsatz, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der zweiten Spanne von Eingabewerten, um eine zweite Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der modifizierten Spanne von Eingabewerten für den Eingabefaktor durch Anpassen der zweiten Spanne von Eingabewerten auf Grundlage eines Vergleichs der zweiten Leistungsmetrik und der vorgegebenen Leistungsmetrik. Der Prozessor ist ferner konfiguriert, um ein Design Space Estimate auf Grundlage von wenigstens der modifizierten Spannen von Eingabewerten zu errechnen, wobei die modifizierten Spannen von Eingabewerten jeweils einen größten Variabilitätsbereich umfassen, in dem die Kriterien für einen oder mehrere der Eingabefaktoren erfüllt werden.The invention in another aspect relates to an apparatus for estimating a design space of input factors and output responses for a physical process. The apparatus includes a processor configured to receive data for one or more physical process input factors, one or more process output responses, and criteria. The criteria include a target response criterion for each of the one or more output responses, an estimated optimal value for each of the one or more input factors to satisfy the target response criteria, and a trial span of input values for each of the one or more input factors, each input value in the span of input values is indicative of an output response value for each of the one or more output responses. The processor is further configured to calculate, for each of the one or more input factors, a calculated range of input values within the corresponding experimental range of input values. The calculating includes selecting a first range of input values for each of the one or more input factors, predicting values of the one or more output responses based on the first range of input values to determine a first performance metric for each of the one or more output responses; and generating the calculated range of input values for each of the one or more input factors by adjusting the first range of input values based on a comparison of the first performance metric and a predetermined performance metric. The processor is further configured to calculate a modified range of input values for each of the one or more input factors. The calculating includes, for each input factor of the one or more input factors, selecting a second range of input values by expanding the calculated range of input values by a predetermined percentage, predicting values of the one or more output responses based on the second span of input values determining the second performance metric for each of the one or more output responses, and generating the modified range of input values for the input factor by adjusting the second range of input values based on a comparison of the second performance metric and the predetermined performance metric. The processor is further configured to compute a design space estimate based on at least the modified ranges of input values, wherein the modified ranges of input values each include a largest range of variability by meeting the criteria for one or more of the input factors.
Die Erfindung betrifft in einem weiteren Aspekt ein Computerprogrammprodukt, das zugänglich in einem Informationsträger aufgenommen ist. Das Computerprogrammprodukt beinhaltet Anweisungen, die ausgeführt werden, um eine Datenverarbeitungsvorrichtung zu veranlassen, Daten für einen oder mehrere Eingabefaktoren für einen physikalischen Prozess, eine oder mehrere Ausgabeantworten für den Prozess und Kriterien zu empfangen. Die Kriterien umfassen ein Zielantwortkriterium für jede der einen oder mehreren Ausgabeantworten, einen geschätzten optimalen Wert für jeden des einen oder der mehreren Eingabefaktoren, um die Zielantwortkriterien zu erfüllen, und eine Versuchsspanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, wobei jeder Eingabewert in der Versuchsspanne von Eingabewerten maßgebend für einen Ausgabeantwortwert für jede der einen oder mehreren Ausgabeantworten ist. Das Computerprogrammprodukt umfasst ferner Anweisungen, die ausgeführt werden, um eine Datenverarbeitungsvorrichtung zu veranlassen, für jeden des einen oder der mehreren Eingabefaktoren eine errechnete Spanne von Eingabewerten innerhalb der entsprechenden Versuchsspanne von Eingabewerten zu berechnen. Das Berechnen umfasst das Auswählen einer ersten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der ersten Spanne von Eingabewerten, um eine erste Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der ersten Spanne von Eingabewerten auf Grundlage eines Vergleichs der ersten Leistungsmetrik und einer vorgegebenen Leistungsmetrik. Das Computerprogrammprodukt umfasst ferner Anweisungen, die ausgeführt werden, um eine Datenverarbeitungsvorrichtung zu veranlassen, eine modifizierte Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren zu berechnen. Des Berechnen umfasst für jeden Eingabefaktor des einen oder der mehreren Eingabefaktoren das Auswählen einer zweiten Spanne von Eingabewerten durch Erweitern der errechneten Spanne von Eingabewerten um einen vorgegebenen Prozentsatz, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der zweiten Spanne von Eingabewerten, um eine zweite Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der modifizierten Spanne von Eingabewerten für den Eingabefaktor durch Anpassen der zweiten Spanne von Eingabewerten auf Grundlage eines Vergleichs der zweiten Leistungsmetrik und der vorgegebenen Leistungsmetrik. Das Computerprogrammprodukt umfasst ferner Anweisungen, die ausgeführt werden, um eine Datenverarbeitungsvorrichtung zu veranlassen, ein Design Space Estimate auf Grundlage von wenigstens der modifizierten Spannen von Eingabewerten zu errechnen, wobei die modifizierten Spannen von Eingabewerten jeweils einen größten Variabilitätsbereich umfassen, in dem die Kriterien für einen oder mehrere der Eingabefaktoren erfüllt werden.In a further aspect, the invention relates to a computer program product which is received in an accessible manner in an information carrier. The computer program product includes instructions that are executed to cause a computing device to receive data for one or more physical process input factors, one or more process output responses, and criteria. The criteria include a target response criterion for each of the one or more output responses, an estimated optimal value for each of the one or more input factors to satisfy the target response criteria, and a trial span of input values for each of the one or more input factors, each input value in the span of input values is indicative of an output response value for each of the one or more output responses. The computer program product further comprises instructions that are executed to cause a data processing device to compute, for each of the one or more input factors, a calculated range of input values within the corresponding experimental range of input values. The calculating includes selecting a first range of input values for each of the one or more input factors, predicting values of the one or more output responses based on the first range of input values to determine a first performance metric for each of the one or more output responses; and generating the calculated range of input values for each of the one or more input factors by adjusting the first range of input values based on a comparison of the first performance metric and a predetermined performance metric. The computer program product further comprises instructions executed to cause a data processing device to provide a modified set of input values for each of the one or more input factors to calculate. The computing includes, for each input factor of the one or more input factors, selecting a second range of input values by expanding the calculated range of input values by a predetermined percentage, predicting values of the one or more output responses based on the second span of input values determining the second performance metric for each of the one or more output responses, and generating the modified range of input values for the input factor by adjusting the second range of input values based on a comparison of the second performance metric and the predetermined performance metric. The computer program product further comprises instructions that are executed to cause a computing device to compute a design space estimate based on at least the modified ranges of input values, wherein the modified ranges of input values each include a largest range of variability in which the criteria for one or more of the input factors are met.
Die Erfindung betrifft in einem weiteren Aspekt ein System zur Schätzung eines Design Space von Eingabefaktoren und Ausgabeantworten für einen physikalischen Prozess. Das System umfasst eine Einrichtung zum Empfangen von Daten für einen oder mehrere Eingabefaktoren für einen physikalischen Prozess, eine oder mehrere Ausgabeantworten für den Prozess sowie Kriterien. Die Kriterien umfassen ein Zielantwortkriterium für jede der einen oder mehreren Ausgabeantworten, einen geschätzten optimalen Wert für jeden des einen oder der mehreren Eingabefaktoren, um die Zielantwortkriterien zu erfüllen, und eine Versuchsspanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, wobei jeder Eingabewert in der Versuchsspanne von Eingabewerten maßgebend für einen Ausgabeantwortwert für jede der einen oder mehreren Ausgabeantworten ist. Das System umfasst ferner eine Einrichtung zum Berechnen einer errechneten Spanne von Eingabewerten innerhalb der entsprechenden Versuchsspanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren. Das Berechnen umfasst das Auswählen einer ersten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der ersten Spanne von Eingabewerten, um eine erste Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der errechneten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren durch Anpassen der ersten Spanne von Eingabewerten auf Grundlage eines Vergleichs der ersten Leistungsmetrik und einer vorgegebenen Leistungsmetrik. Das System umfasst ferner eine Einrichtung zum Berechnen einer modifizierten Spanne von Eingabewerten für jeden des einen oder der mehreren Eingabefaktoren. Das Berechnen umfasst für jeden Eingabefaktor des einen oder der mehreren Eingabefaktoren das Auswählen einer zweiten Spanne von Eingabewerten durch Erweitern der errechneten Spanne von Eingabewerten um einen vorgegebenen Prozentsatz, das Vorhersagen von Werten der einen oder mehreren Ausgabeantworten auf Grundlage der zweiten Spanne von Eingabewerten, um eine zweite Leistungsmetrik für jede der einen oder mehreren Ausgabeantworten zu bestimmen, und das Erzeugen der modifizierten Spanne von Eingabewerten für den Eingabefaktor durch Anpassen der zweiten Spanne von Eingabewerten auf Grundlage eines Vergleichs der zweiten Leistungsmetrik und der vorgegebenen Leistungsmetrik. Das Systems umfasst ferner eine Einrichtung zum Vorhersagen eines Design Space Estimate auf Grundlage von wenigstens der modifizierten Spannen von Eingabewerten, wobei die modifizierten Spannen von Eingabewerten jeweils einen größten Variabilitätsbereich umfassen, in dem die Kriterien für einen oder mehrere der Eingabefaktoren erfüllt werden.The invention in another aspect relates to a system for estimating a design space of input factors and output responses for a physical process. The system includes means for receiving data for one or more input factors for a physical process, one or more output responses for the process, and criteria. The criteria include a target response criterion for each of the one or more output responses, an estimated optimal value for each of the one or more input factors to satisfy the target response criteria, and a trial span of input values for each of the one or more input factors, each input value in the span of input values is indicative of an output response value for each of the one or more output responses. The system further includes means for calculating a calculated range of input values within the respective experimental span of input values for each of the one or more input factors. The calculating includes selecting a first range of input values for each of the one or more input factors, predicting values of the one or more output responses based on the first range of input values to determine a first performance metric for each of the one or more output responses; and generating the calculated range of input values for each of the one or more input factors by adjusting the first range of input values based on a comparison of the first performance metric and a predetermined performance metric. The system further includes means for calculating a modified range of input values for each of the one or more input factors. The calculating includes, for each input factor of the one or more input factors, selecting a second range of input values by expanding the calculated range of input values by a predetermined percentage, predicting values of the one or more output responses based on the second span of input values determining the second performance metric for each of the one or more output responses, and generating the modified range of input values for the input factor by adjusting the second range of input values based on a comparison of the second performance metric and the predetermined performance metric. The system further includes means for predicting a design space estimate based on at least the modified ranges of input values, wherein the modified ranges of input values each include a largest range of variability in which the criteria for one or more of the input factors are met.
Die hierin beschriebenen Techniken, die sowohl Verfahren als auch Vorrichtungen einschließen, können die Vorteile des Automatisierens eines Prozesses zur Definition eines größten Variabilitätsbereichs für jeden Eingabefaktor und zum Vorhersagen einer Verteilung von Ausgabeantwortwerten für jede Ausgabeantwort mit einer bestimmten Wahrscheinlichkeit bieten. Die größten Variabilitätsbereiche und die Verteilungen von Ausgabeantwortwerten können derart dargestellt werden, dass sämtliche der verschiedenen betrachteten Kriterien effizient und ordnungsgemäß berücksichtigt werden. Die hierin beschriebenen Prinzipien können viele Ausgabeantworten gleichzeitig mit unterschiedlichen Berechnungsmodellen für Design Space Estimates verarbeiten, die zusammen mit Erweiterungskriterien verarbeitet werden können. Darüber hinaus können Einschränkungen in Bezug auf die Eingabefaktoren und/oder die Ausgabeantworten in die Berechnungsmodelle einbezogen werden.The techniques described herein, including both methods and apparatus, may provide the advantages of automating a process of defining a largest variability range for each input factor and predicting a distribution of output response values for each output response with a certain probability. The largest ranges of variability and the distributions of output response values can be represented as efficiently and properly taking into account all of the various criteria considered. The principles described herein can process many output responses simultaneously with different Design Space Estimates calculation models that can be processed along with enhancement criteria. In addition, constraints on input factors and / or output responses may be included in the calculation models.
Weitere Aspekte und Vorteile der vorliegenden Erfindung gehen aus der folgenden ausführlichen Beschreibung im Zusammenhang mit den beigefügten Zeichnungen hervor, die die Prinzipien der Erfindung lediglich beispielhaft erläutern.Other aspects and advantages of the present invention will become apparent from the following detailed description, taken in conjunction with the accompanying drawings, which illustrate, by way of example only, the principles of the invention.
KURZE BESCHREIBUNG DER ZEICHNUNGEN BRIEF DESCRIPTION OF THE DRAWINGS
Die obigen und weitere Gegenstände, Merkmale und Vorteile der vorliegenden Erfindung sowie die Erfindung selbst werden anhand der folgenden Beschreibung der verschiedenen Ausführungen besser verständlich, wenn diese im Zusammenhang mit den beigefügten Zeichnungen gelesen wird.The above and other objects, features and advantages of the present invention as well as the invention itself will become more apparent from the following description of the various embodiments when read in conjunction with the accompanying drawings.
AUSFÜHRLICHE BESCHREIBUNGDETAILED DESCRIPTION
In einigen Ausführungsbeispielen der Erfindung wird anhand von Eingabefaktoren, Ausgabeantworten und diverser mit den Eingabefaktoren bzw. Ausgabeantworten zusammenhängenden Kriterien ein Predictive Design Space Estimate (PDSE) für einen physischen Prozess (z. B. Fertigungsprozess, industrieller Prozess, Designprojekt) bestimmt. Der PDSE umfasst die Verteilung von Ausgabeantwortwerten für jede der Ausgabeantworten. Zudem umfasst der PDSE einen oder mehrere größte Variabilitätsbereiche für jeden Eingabefaktor. In einigen Ausführungen zählt für den PDSE auch ein einzelner größter Variabilitätsbereich sowie ein gemeinsamer größter Variabilitätsbereich für jeden Eingabefaktor; diese beiden Bereiche werden anhand der Verteilung der Ausgabeantwortwerte errechnet, um die mit den Eingabefaktoren bzw. Ausgabeantworten zusammenhängenden Kriterien zu erfüllen.In some embodiments of the invention, a Predictive Design Space Estimate (PDSE) for a physical process (e.g., manufacturing process, industrial process, design project) is determined based on input factors, output responses, and various criteria associated with the input factors. The PDSE comprises the distribution of output response values for each of the output responses. In addition, the PDSE includes one or more largest variability ranges for each input factor. In some embodiments, the PDSE also includes a single largest range of variability and a common largest range of variability for each input factor; these two ranges are calculated from the distribution of the output response values to meet the criteria associated with the input and output responses, respectively.
Über die Dateneingabe-Einheit
In einigen Ausführungen erfolgen vor Erzeugung des PDSE diverse Versuche mit dem physischen Prozess (z. B. industrieller Prozess, Fertigungsprozess oder Designprojekt). Diese Versuche können von Anwendungsspezialisten entwickelt werden, die die Eingabefaktoren und Ausgabeantworten festlegen können, die das Design umfassen sollte. Die Versuche dienen der Prüfung des Verhältnisses zwischen Eingabefaktoren und Ausgabeantwort im System. So können die Versuche beispielsweise so gestaltet sein, dass Prozess bzw. Problem mit verschiedenen Kombinationen von Eingabefaktorwerten laufen, um festzustellen, welche Ausgabeantwortwerte von den einzelnen Kombinationen erzeugt werden. Diese Daten liefern bekannte Ergebnisse für die Ausgabeantworten anhand bekannter Kombinationen von Eingabefaktoren. Der Nutzer gibt die Versuchsdaten über die Dateneingabe-Einheit ein.In some implementations, prior to generation of the PDSE, various attempts are made with the physical process (eg, industrial process, manufacturing process, or design project). These trials may be developed by application specialists who can set the input factors and output responses that the design should include. The tests serve to test the relationship between input factors and output response in the system. For example, the trials may be designed so that the process or problem runs with different combinations of input factor values to determine which output response values are generated by the individual combinations. These data provide known results for the output responses from known combinations of input factors. The user enters the trial data via the data entry unit.
Die vom Empfänger
Das Modul für den Design Space Estimate
Die Dateneingabe-Einheit
In Schritt
In Schritt
In Schritt
In Schritt
In Schritt
In einigen Ausführungen ist die erste Leistungsmetrik ein Kriterium, das Dots Per Million Operation (DPMO) genannt wird. Die DPMO steht für die Anzahl errechneter Ausgabeantwortwerte, die außerhalb der vorgegebenen Grenzwerte für eine bestimmte Ausgabeantwort liegen. Die vorgegebenen Grenzwerte (die vom Nutzer festgelegt werden können) reichen von einem unteren Ausgabeantwortwert bis zu einem oberen Ausgabeantwortwert und stellen so die Spanne zulässiger Ausgabeantwortwerte für eine Ausgabeantwort dar. Die Monte-Carlo-Simulationen werden durchgeführt, und die errechneten Ausgabeantwortwerte werden mit der DPMO verglichen, um festzustellen, ob die gewählte erste Wertespanne zulässig ist. Eine DPMO von 50.000 Treffern außerhalb der Grenzwerte für eine bestimmte Ausgabeantwort liegt beispielsweise bei 50.000/1.000.000 = 0,05 bzw. 5%, was ermöglicht, dass 5% der errechneten Ausgabeantwortwerte auch dann als zulässige Leistung gelten, wenn sie außerhalb der vorgegebenen Grenzwerte liegen.In some implementations, the first performance metric is a criterion called Dots Per Million Operation (DPMO). The DPMO represents the number of calculated output response values that are outside the specified limits for a particular output response. The predetermined limits (which can be set by the user) range from a lower output response value to an upper output response value, thus representing the range of allowable output response values for an output response. The Monte Carlo simulations are performed and the calculated output response values are taken with the DPMO compared to determine if the selected first range is allowed. For example, a DPMO of 50,000 hits out of bounds for a given output response would be 50,000 / 1,000,000 = 0.05 or 5%, allowing 5% of the calculated output response values to be considered acceptable even if they fall outside the specified output response Limits are.
In Schritt
In Schritt
Liegt die erste Leistungsmetrik unter der vorgegebenen, fährt das Verfahren
In Schritt
In Schritt
Sind die zweite und die vorgegebene Leistungsmetrik nicht identisch, fährt das Verfahren
Beispiel für den Abschnitt des Verfahrens
In Schritt
In Schritt
In Schritt
Das Verfahren
Wieder Bezug nehmend auf
Als erläuterndes Beispiel, das nicht der Eingrenzung dient, möchte ein Nutzer in einer der Implementierungen der Erfindung die Ausgabeantwort des Kraftstoffverbrauchs (Kraftstoff) gemessen in mg/Takt, des Stickstoffoxidausstoßes (NOx) gemessen in mg/s und des Schadstoffausstoßes (Schadstoff) gemessen in mg/s für einen Fahrzeugmotor optimieren. Die drei Eingabefaktoren, die für dieses Beispiel gesteuert werden können, sind der Lufteintritt (Luft) gemessen in kg/h, der Prozentsatz der Abgasrückführung („exhaust gas recirculation percentage”, EGR%, eine Technik für die Senkung von NOx durch Rückführung eines Teils des Motorabgases in die Zylinder) und der Nadelhub („needlelift”, NL) gemessen in Grad vor dem höchsten Totpunkt (degrees before top dead-centre”, °BTDC). Anhand dieser drei Eingabefaktoren sowie anhand von drei Ausgabeantworten errechnet das Modul für den Design Space Estimate
Das Modul
Tabelle 1 zeigt ein exemplarisches Regressionsmodell für Kraftstoff. Spalte eins (”Kraftstoff”) beinhaltet die verschiedenen Komponenten des Modells, nämlich die Konstanten Luft, EGR, Nadelhub (NL) und Luft × Luft. Spalte zwei (”Koeff. SZ” (Koeffizienten, skaliert und zentriert)) beinhaltet einen Koeffizienten für jede Kraftstoffkomponente. Spalte drei (”Std. Err.”(Standardfehler)) beinhaltet einen Standardfehler für jede Kraftstoffkomponente. Spalte vier (”P”, Wahrscheinlichkeit für P-Test) beinhaltet einen P-Wert für jede Kraftstoffkomponente. Spalte fünf (”Konf.-niv. (+/–)” beinhaltet ein Konfidenzniveau für jede Kraftstoffkomponente. Konfidenzniveau ist ein statistischer Term und gibt die Zuverlässigkeit einer Schätzung an. Das Konfidenzniveau wird verwendet, um beispielsweise ein 95%-iges Konfidenzniveau zu erreichen (z. B. Luft ist 8,78614 +/–1,46984).Table 1 shows an exemplary fuel regression model. Column one ("fuel") contains the various components of the model, namely the constants air, EGR, needle lift (NL) and air × air. Column two ("Coefficient SZ" (coefficients, scaled and centered)) contains a coefficient for each fuel component. Column three ("Std Err." (Standard error)) contains a standard error for each fuel component. Column four ("P", Probability for P-Test) includes a P-value for each fuel component. Column five ("Conf. Level (+/-)" contains a confidence level for each fuel component.) Confidence level is a statistical term that indicates the reliability of an estimate and the confidence level is used, for example, to achieve a 95% confidence level (eg air is 8.78614 +/- 1.46984).
Das Regressionsmodell für Kraftstoff beinhaltet auch die folgenden Parameter. Die Anzahl (N) der CCF-Experimente ist 17. Der Freiheitsgrad (degree of freedom, DF) ist 12 (17 Experimente minus 5 Einträge in der Tabelle). Die Leistungsmessungen umfassen Q2 = 0,958, R2 = 0,979, R2 Adj. = 0,972 und die Cond.-Nr. (eine Angabe zur Qualität des verwendeten Versuchsaufbaus) = 2,978. Je näher die Leistungsmessungen bei eins (1,0) liegen, desto stärker ist die Korrelation zwischen den Eingabefaktoren und den Ausgabeantworten. Weitere Leistungsmessungen umfassen Y-miss = 0, was die Anzahl fehlender Werte oder Messungen angibt. Die Rest-Standardabweichung (residual standard deviaton, RSD) beträgt 2,0249, was mit R2 in Zusammenhang steht, wobei gilt, dass die RSD näher bei null liegt, je näher R2 bei eins liegt. Das Konfidenzniveau des Modells ist 0,95. Tabelle 2
Tabelle 2 zeigt ein exemplarisches Regressionsmodell für NOx. Spalte eins (”NOx”) beinhaltet die verschiedenen Komponenten des Modells, nämlich die Konstanten Luft, EGR, NL, Luft × Luft, EGR × EGR, NL × NL und EGR × NL. Tabelle 2 enthält die gleichen vier verbleibenden Spalten wie Tabelle 1, nämlich ”Koeff. SZ”, ”Std. Err.”, ”P” und ”Konf.-niv. (+/–)”. Die Parameter für das NOx-Regressionsmodell sind N = 17, DF = 12, Q2 = 0,987, R2 = 0,997, R2 Adj. = 0,995, Cond.-Nr. = 4,498, Y-miss = 0, RSD = 0,4624 und das Konfidenzniveau des Modells ist 0,95. Tabelle 3
Tabelle 3 zeigt ein exemplarisches Regressionsmodell für Ruß. Spalte eins (”Ruß”) beinhaltet die verschiedenen Komponenten des Modells, nämlich die Konstanten Luft, EGR und NL. Tabelle 3 enthält die gleichen vier verbleibenden Spalten wie Tabelle 1, nämlich ”Koeff. SZ”, ”Std. Err.”, ”P” und ”Konf.-niv. (+/–)”. Die Parameter für das Ruß-Regressionsmodell sind N = 17, DF = 12, Q2 = 0,987, R2 = 0,997, R2 Adj. = 0,995, Cond.-Nr. = 4,498, Y-miss = 0, RSD = 0,4624 und das Konfidenzniveau des Modells ist 0,95.Table 3 shows an exemplary regression model for soot. Column one ("soot") contains the various components of the model, namely the constants air, EGR and NL. Table 3 contains the same four remaining columns as Table 1, namely "coeff. SZ "," Std. Err. "," P "and" Konf.-niv. (+/-) ". The parameters for the soot regression model are N = 17, DF = 12, Q 2 = 0.987, R 2 = 0.997, R 2 Adj. = 0.995, Cond. = 4.498, Y-miss = 0, RSD = 0.4624 and the confidence level of the model is 0.95.
Der geschätzte Optimalwert wird für jeden Eingabefaktor berechnet, der einen vorhergesagten Ausgabeantwortwert ergibt, der dem geringsten Abstand zum Zielantwortkriterium für jede der Ausgabeantworten entspricht. Diese geschätzten Optimalwerte sind die Startpunkte für die PDSE-Berechnungen. Der größte Variabilitätsbereich wird für Luft, EGR und Nadelhub berechnet (z. B. Schritt
Jedes Schaubild
Die Ausgabeantworttabelle
Die Kriterien (z. B. die Versuchsspanne der Eingabewerte
Die Ergebnistabelle
Das Modul
Der Benutzer kann die Einstellungen für die Berechnung des PDSE ändern. Bei einigen Ausführungen ermöglicht das Modul
Vorteilhafterweise kann der Benutzer, wenn er weiß, dass ein bestimmter Eingabefaktor über bestimmte Werte (z. B. Temperatur, Druck) beschränkt werden kann, die DPMO so konfigurieren, dass sie die Beschränkungen für den Eingabefaktor berücksichtigt, damit die kombinierten größten Variabilitätsbereiche
Jedes Schaubild
Als weiteres Beispiel für die Berechnung eines PDSE wird ein PDSE zur Tablettenherstellung für einen Mischungsentwurf (z. B. in der Pharmaindustrie) durchgeführt. In diesem Beispiel gibt es die drei Eingabefaktoren (d. h. Konstituenten) Zellulose, Laktose und Phosphat. Zum Zwecke dieses Beispiels werden die drei Eingabefaktoren entsprechend des modifizierten Simplex-Zentroid-Entwurfs (eine Art eingeschränkter Mischungsentwurf) zur Produktion von Tabletten variiert. Die Ausgabeantwort ist die Freigabe der aktiven Substanzen. Das Kriterium für die Freigabe-Ausgabeantwort ist ein Mindest-Ausgabeantwortenwert von 300 und ein Ziel-Ausgabeantwortenwert von 350. Das PDSE informiert den Benutzer darüber, wie die drei Eingabefaktoren die Freigabe der aktiven Substanzen beeinflussen.As another example of the calculation of a PDSE, a PDSE for tablet preparation for a mixture design (eg, in the pharmaceutical industry) is performed. In this example, there are the three input factors (i.e., constituents) cellulose, lactose, and phosphate. For purposes of this example, the three input factors are varied according to the modified simplex centroid design (a kind of restricted mixture design) for producing tablets. The output response is the release of the active substances. The criterion for the release-output response is a minimum output response value of 300 and a target output response value of 350. The PDSE informs the user how the three input factors affect the release of the active substances.
Jedes Schaubild
Die Ausgabeantwortentabelle
Das Zielantwortkriterium
Die vorstehend beschriebenen Techniken können in digitalen und/oder analogen elektronischen Schaltkreisen oder in Computerhardware, Firmware, Software oder einer Kombination hieraus umgesetzt werden. Die Umsetzung kann in Form eines Computerprogrammprodukts, d. h. eines konkret in einem maschinenlesbaren Speichergerät enthaltenen Computerprogramms, zur Ausführung durch ein oder zur Steuerung des Betriebs eines Datenverarbeitungsgeräts, z. B. eines programmierbaren Prozessors, eines Computers und/oder mehrerer Computer, erfolgen. Ein Computerprogramm kann in einer beliebigen Form einer Computer- oder Programmiersprache geschrieben werden, einschließlich des Quellcodes, des kompilierten Codes, des interpretierten Codes und/oder des Maschinencodes, und das Computerprogramm kann in einer beliebigen Art und Weise eingesetzt werden, einschließlich als eigenständiges Programm oder als eine Subroutine, als Bestandteil oder als eine sonstige Einheit, welche zur Nutzung in einer Computerumgebung geeignet ist. Ein Computerprogramm kann zur Ausführung auf einem oder mehreren Computern an einem oder mehreren Standorten eingesetzt werden.The techniques described above may be implemented in digital and / or analog electronic circuits or in computer hardware, firmware, software, or a combination thereof. The reaction may take the form of a computer program product, i. H. a computer program concretely contained in a machine-readable storage device, for execution by or for controlling the operation of a data processing device, e.g. As a programmable processor, a computer and / or multiple computers, take place. A computer program may be written in any form of computer or programming language, including the source code, the compiled code, the interpreted code, and / or the machine code, and the computer program may be used in any manner, including as a stand-alone program or program as a subroutine, component or other entity suitable for use in a computer environment. A computer program may be used to run on one or more computers in one or more locations.
Verfahrensschritte können von einem oder mehreren Prozessoren, welche ein Computerprogramm ausführen, vollzogen werden, um die Funktionen der Erfindung auszuüben, indem sie Eingabedaten anwenden und/oder Ausgabedaten erzeugen. Verfahrensschritte können ebenfalls durch spezielle logische Schaltkreise vollzogen und ein Gerät in dieser Form umgesetzt werden, z. B. ein feldprogrammierbares Gatterfeld (FPGA – field programmable gate array), ein feldprogrammierbares Analogfeld (FPAA – field-programmable analog array), ein komplexes programmierbares logisches Gerät (CPLD – complex programmable logic device), ein programmierbares Ein-Chip-System (PSoC – Programmable System-on-Chip), ein Prozessor mit anwendungsspezifischem Befehlssatz (ASIP – application-specific instruction-set processor), oder eine Anwendungsspezifische integrierte Schaltung (ASIC – application-specific integrated circuit). Subroutinen können sich auf Teile des Computerprogramms und/oder den Prozessor/spezielle Schaltkreise, die eine oder mehrere Funktionen umsetzen, beziehen.Method steps may be performed by one or more processors executing a computer program to perform the functions of the invention by applying input data and / or generating output data. Process steps can also be performed by special logic circuits and implemented a device in this form, eg. For example, a field programmable gate array (FPGA), a field programmable analog field (FPAA), a complex programmable logic device (CPLD), a programmable one-chip system (PSoC Programmable System-on-Chip), an application-specific instruction-set processor (ASIP), or an application-specific integrated circuit (ASIC). Subroutines may refer to parts of the computer program and / or the processor / special circuits that implement one or more functions.
Zur Ausführung von Computerprogrammen geeignete Prozessoren schließen beispielsweise sowohl allgemeine als auch spezielle Mikroprozessoren sowie einen oder mehrere beliebige Prozessoren einer beliebigen Art digitalen oder analogen Computers ein. Üblicherweise erhält ein Prozessor Befehle und Daten von einem Nur-Lese-Speicher, einem wahlfreien Zugriffsspeicher oder beidem. Die wesentlichen Bestandteile eines Computers sind ein Prozessor zur Ausführung der Befehle und ein oder mehrere Speichergeräte zur Speicherung der Befehle und/oder Daten. Speichergeräte, wie z. B. ein Cache können zur vorübergehenden Speicherung von Daten genutzt werden. Speichergeräte können ebenfalls zur langfristigen Datenspeicherung genutzt werden. Üblicherweise beinhaltet ein Computer auch oder ist operativ verbunden mit einem oder mehreren Massenspeichergeräten, z. B. magnetische oder magnetooptische Speicherplatten oder optische Speicherplatten, zur Speicherung von Daten, zum Empfang oder Übertragen von Daten oder beidem. Ein Computer kann außerdem mit einem Kommunikationsnetzwerk operativ verbunden sein, um Befehle und/oder Daten aus dem Netzwerk zu empfangen und/oder Befehle und/oder Daten in das Netzwerk zu übertragen. Für die Aufnahme von Computerprogrammbefehlen und -daten geeignete computerlesbare Speichergeräte schließen alle Arten flüchtiger und nicht-flüchtiger Speicher ein, beispielsweise Halbleiterspeichergeräte, z. B. DRAM, SRAM, EPROM, EEPROM und Flashspeichergeräte; magnetische Speicherplatten, z. B. interne Festplatten oder Wechselfestplatten; magnetooptische Speicherplatten; und optische Speicherplatten, wie z. B. CD, DVD, HD-DVD und Blu-ray-Scheiben. Der Prozessor und der Speicher können durch spezielle logische Schaltkreise ergänzt oder in diese eingebunden werden.Processors suitable for executing computer programs include, for example, both general and special purpose microprocessors, as well as one or more arbitrary processors of any type of digital or analog computer. Typically, a processor receives instructions and data from a read-only memory, a random access memory, or both. The essential components of a computer are a processor for executing the instructions and one or more storage devices for storing the instructions and / or data. Storage devices, such. As a cache can be used for temporary storage of data. Storage devices can also be used for long-term data storage. Typically, a computer also includes or is operatively connected to one or more mass storage devices, e.g. Magnetic or magneto-optical disks or optical disks, for storing data, for receiving or transmitting data or both. A computer may also be operatively connected to a communications network to receive commands and / or data from the network and / or to transmit commands and / or data to the network. Computer readable storage devices suitable for receiving computer program instructions and data include all types of volatile and nonvolatile memory, such as semiconductor memory devices, e.g. DRAM, SRAM, EPROM, EEPROM and flash memory devices; magnetic storage disks, e.g. Internal hard drives or removable hard drives; magneto-optical disks; and optical disks such. CD, DVD, HD-DVD and Blu-ray discs. The processor and the memory can be supplemented or integrated in special logic circuits.
Um die Interaktion mit dem Anwender zu ermöglichen, können die vorstehend genannten Techniken in einem Computer, der mit einem Anzeigegerät, wie z. B. einem CRT (Röhrenmonitor), Plasma- oder LCD-(Flüssigkristallanzeige)-Monitor, um dem Anwender Informationen darzustellen, sowie einer Tastatur und einem Zeigegerät, wie z. B. einer Maus, einer Rollkugel, einem Touchpad oder einem Bewegungssensor, mit dessen Hilfe der Anwender Befehle und/oder Daten in den Computer eingeben kann (d. h. mit einer Anwenderschnittstelle interagieren), kommuniziert, umgesetzt werden. Es können auch andere Gerätearten genutzt werden, um eine Interaktion mit dem Anwender zu ermöglichen; zum Beispiel kann Rückmeldung an den Anwender in einer beliebigen Form von sensorischer Rückmeldung erfolgen, z. B. optische Rückmeldung, auditive Rückmeldung, oder fühlbare Rückmeldung; ebenso können vom Anwender getätigte Eingaben in beliebiger Form empfangen werden, einschließlich akustischer, sprachlicher und/oder fühlbarer Eingaben.To facilitate interaction with the user, the above techniques may be used in a computer connected to a display device such as a computer. As a CRT (CRT monitor), plasma or LCD (liquid crystal display) monitor to present information to the user, as well as a keyboard and a pointing device, such. A mouse, a trackball, a touchpad, or a motion sensor that allows the user to input commands and / or data to the computer (i.e., interact with a user interface), communicate, and translate. Other types of devices may be used to facilitate interaction with the user; For example, feedback to the user may be in any form of sensory feedback, e.g. Visual feedback, auditory feedback, or tactile feedback; Similarly, user-input may be received in any form, including acoustic, vocal and / or tactile inputs.
Die vorstehend beschriebenen Techniken können in einem verteilten Rechensystem umgesetzt werden, welches eine Back-End-Komponente beinhaltet. Die Back-End-Komponente kann zum Beispiel ein Datenserver, eine Middlewarekomponente und/oder ein Anwendungsserver sein. Die vorstehend beschriebenen Techniken können in einem verteilten Rechensystem umgesetzt werden, welches eine Front-End-Komponente beinhaltet. Die Front-End-Komponente kann zum Beispiel ein Client-Computer mit einer grafischen Anwenderschnittstelle, ein Internetbrowser, mit welchem der Anwender anhand von Beispielumsetzungen interagieren kann, und/oder grafische Anwenderschnittstellen zu Übertragungsgeräten sein. Die vorstehend beschriebenen Techniken können in einem verteilten Rechensystem umgesetzt werden, welches eine beliebige Kombination solcher Back-End, Middleware- oder Front-End-Komponenten beinhaltet.The techniques described above can be implemented in a distributed computing system that includes a back-end component. The back-end component may be, for example, a data server, a middleware component and / or an application server. The techniques described above can be implemented in a distributed computing system that includes a front-end component. The front-end component may be, for example, a client computer with a graphical user interface, an Internet browser with which the user can interact using example conversions, and / or graphical user interfaces to transmission devices. The techniques described above may be implemented in a distributed computing system that includes any combination of such back-end, middleware or front-end components.
Das Rechensystem kann sowohl Clients als auch Server beinhalten. Ein Client und ein Server stehen üblicherweise entfernt von einander und interagieren typischerweise über ein Kommunikationsnetzwerk. Die Beziehung zwischen Client und Server entsteht in Folge von Computerprogrammen, welche auf den entsprechenden Computern ausgeführt werden, und einer bestehenden Client-Server-Beziehung zwischen ihnen.The computing system can include both clients and servers. A client and a server are typically remote from each other and typically interact over a communications network. The relationship between client and server arises as a result of computer programs running on the respective computers and an existing client-server relationship between them.
Die Komponenten des Rechensystems können in einer beliebigen Art und Weise oder durch ein beliebiges Gerät für digitale oder analoge Datenkommunikation (z. B. ein Kommunikationsnetzwerk) miteinander verbunden sein. Beispiele für Kommunikationsnetzwerke sind unter anderem schaltkreisbasierte und paketbasierte Netzwerke. Paketbasierte Netzwerke beinhalten zum Beispiel das Internet, ein Träger-Internetprotokoll-(IP-Netzwerk (z. B. ein lokales Netzwerk (LAN – local area network), ein Großraumnetzwerk (WAN – wide area network), ein Kampusnetzwerk (CAN – campus area network), ein regionales Netzwerk (MAN – metropolitan area network), ein Heimnetzwerk (HAN – home area network), ein privates IP-Netzwerk, eine IP-Telefonanlage (IP PBX – IP private branch exchange), ein drahtloses Netzwerk (z. B. Funknetz (RAN – radio access network), 802.11-Netzwerk, 802.16-Netzwerk, Aligemeines paketorientiertes Funkdienst-Netzwerk (GPRS – general packet radio service) Netzwerk, HiperLAN), und/oder sonstige paketbasierte Netzwerke. Schaltkreisbasierte Netzwerke beinhalten unter anderem zum Beispiel das Fernsprechnetz (public switched telephone network – PSTN), eine Telefonanlage (private branch exchange – PBX), ein drahtloses Netzwerk (z. B. RAN, Bluetooth, Codemultiplexverfahren-Netzwerke (code-division multiple access – CDMA), Zeitmultiplexverfahren-Netzwerke (time division multiple access – TDMA), Global System for Mobile Communications-Netzwerke (GSM) und/oder sonstige schaltkreisbasierte Netzwerke.The components of the computing system may be interconnected in any manner or by any device for digital or analog data communication (eg, a communications network). Examples of communication networks include circuit-based and packet-based networks. Packet based networks include, for example, the Internet, a bearer internet protocol (IP network (e.g., a local area network (LAN), a wide area network (WAN), a campus network (CAN campus area network), a metropolitan area network (MAN), a home area network (HAN), a private IP network, an IP private branch exchange (IP PBX), a wireless network (e.g. Radio network (RAN), 802.11 network, 802.16 network, Almost any packet-switched radio service network (GPRS) network, HiperLAN), and / or other packet-based networks For example, the public switched telephone network (PSTN), a private branch exchange (PBX), a wireless network (eg, RAN, Bluetooth, code division multiple access networks, code divisio n multiple access - CDMA), time division multiple access (TDMA), Global System for Mobile Communications (GSM) networks, and / or other circuit-based networks.
Geräte eines Rechensystems und/oder Rechengeräte beinhalten unter anderem einen Computer, einen Computer mit einer Browsereinheit, ein Telefon, ein IP-Telefon, ein mobiles Endgerät (z. B. ein Mobilfunkgerät, ein Minicomputer (PDA – personal digital assistant), ein Laptopcomputer, ein Gerät für E-Mail), einen Server, ein Gestell mit einer oder mehreren Datenverarbeitungskarten, spezielle Schaltkreise und/oder sonstige Kommunikationsgeräte. Die Browsereinheit beinhaltet zum Beispiel einen Computer (z. B. ein Desktop- oder Laptopcomputer) mit einem Internetbrowser (z. B. Microsoft® Internet Explorer® der Microsoft Corporation, Mozilla® Firefox der Mozilla Corporation). Ein mobiles Rechengerät beinhaltet zum Beispiel ein Blackberry®. IP-Telefone beinhalten zum Beispiel ein Cisco® Unified IP Phone 7985G der Cisco System, Inc. und/oder ein Cisco® Unified Wireless Phone 7920 der Cisco System, Inc.Devices of a computing system and / or computing devices include, but are not limited to, a computer, a computer with a browser unit, a telephone, an IP phone, a mobile terminal (eg, a cellular phone, a personal digital assistant (PDA), a laptop computer , a device for e-mail), a server, a rack with one or more data processing cards, special circuits and / or other communication devices. The browser device includes, for example, a computer (eg. As a desktop or laptop computer) with an Internet browser (eg. As Microsoft ® Internet Explorer ® from Microsoft Corporation, Mozilla ® Firefox Mozilla Corporation). A mobile computing device includes, for example, a BlackBerry ®. IP phones include, for example, a Cisco ® Unified IP Phone 7985G of Cisco Systems, Inc. and / or a Cisco ® Unified Wireless Phone 7920 of Cisco Systems, Inc.
Ein Fachmann wird erkennen, dass die Erfindung in anderen speziellen Formen verkörpert werden kann, ohne dabei vom Geist oder den wesentlichen Merkmalen ihrer selbst abzuweichen. Die vorgenannten Verkörperungen sind daher eher als beschreibend, denn als die hier beschriebene Erfindung beschränkend zu betrachten. Der Umfang der Erfindung wird daher durch die beigefügten Ansprüche beschrieben, und nicht durch die vorgenannte Beschreibung. Es ist beabsichtigt, dass alle Änderungen, die unter die Bedeutung und den Bereich der Gleichwertigkeit der Ansprüche fallen, hierin enthalten sind.One skilled in the art will recognize that the invention may be embodied in other specific forms without departing from the spirit or essential characteristics thereof. The above embodiments are therefore to be considered as descriptive rather than limiting as the invention described herein. The scope of the invention is, therefore, described by the appended claims rather than by the foregoing description. It is intended that all changes that come within the meaning and range of equivalency of the claims be included herein.
Folgende Ansprüche werden gestellt:The following claims are made:
Claims (22)
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/466,098 | 2009-05-14 | ||
US12/466,098 US8086327B2 (en) | 2009-05-14 | 2009-05-14 | Methods and apparatus for automated predictive design space estimation |
PCT/US2010/033364 WO2010132224A2 (en) | 2009-05-14 | 2010-05-03 | Methods and apparatus for automated predictive design space estimation |
Publications (2)
Publication Number | Publication Date |
---|---|
DE112010002673T5 true DE112010002673T5 (en) | 2012-12-06 |
DE112010002673T9 DE112010002673T9 (en) | 2013-05-08 |
Family
ID=42321117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112010002673T Expired - Fee Related DE112010002673T9 (en) | 2009-05-14 | 2010-05-03 | METHOD AND DEVICE FOR AUTOMATED PREDICTIVEDESIGN SPACE ESTIMATION |
Country Status (9)
Country | Link |
---|---|
US (2) | US8086327B2 (en) |
JP (1) | JP5555316B2 (en) |
KR (2) | KR101408833B1 (en) |
CN (1) | CN102804188A (en) |
DE (1) | DE112010002673T9 (en) |
GB (1) | GB2482452A (en) |
SG (2) | SG176043A1 (en) |
TW (1) | TW201102839A (en) |
WO (1) | WO2010132224A2 (en) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8725469B2 (en) | 2011-03-03 | 2014-05-13 | Mks Instruments, Inc. | Optimization of data processing parameters |
JP5977373B2 (en) * | 2012-02-10 | 2016-08-24 | アーベーベー・テクノロジー・アーゲー | Systems and methods for automatically processing workflows in automation and / or electrical engineering projects |
WO2014130172A1 (en) * | 2013-02-25 | 2014-08-28 | Mks Instruments, Inc. | Methods and apparatus for automated predictive design space estimation |
WO2014189932A1 (en) * | 2013-05-20 | 2014-11-27 | Synopsys, Inc. | Semi-local ballistic mobility model |
WO2016073581A1 (en) * | 2014-11-04 | 2016-05-12 | Samuelson Douglas A | Machine learning and robust automatic control of complex systems with stochastic factors |
TWI603210B (en) * | 2016-12-13 | 2017-10-21 | 財團法人工業技術研究院 | System and method for predicting remaining lifetime of a component of equipment |
US10878345B2 (en) * | 2018-04-22 | 2020-12-29 | Sas Institute Inc. | Tool for hyperparameter tuning |
US11561690B2 (en) | 2018-04-22 | 2023-01-24 | Jmp Statistical Discovery Llc | Interactive graphical user interface for customizable combinatorial test construction |
US11328106B2 (en) | 2018-04-22 | 2022-05-10 | Sas Institute Inc. | Data set generation for performance evaluation |
WO2020188331A1 (en) * | 2019-03-15 | 2020-09-24 | 3M Innovative Properties Company | Deep causal learning for continuous testing, diagnosis, and optimization |
US11854053B2 (en) * | 2019-06-28 | 2023-12-26 | Covestro Llc | Methods for graphical depiction of a value of a property of a material |
US11714549B2 (en) | 2020-02-28 | 2023-08-01 | 3M Innovative Properties Company | Deep causal learning for data storage and processing power management |
WO2021171156A1 (en) * | 2020-02-28 | 2021-09-02 | 3M Innovative Properties Company | Deep causal learning for advanced model predictive control |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5408405A (en) * | 1993-09-20 | 1995-04-18 | Texas Instruments Incorporated | Multi-variable statistical process controller for discrete manufacturing |
US5607441A (en) * | 1995-03-24 | 1997-03-04 | Ethicon Endo-Surgery, Inc. | Surgical dissector |
US5667480A (en) * | 1995-10-20 | 1997-09-16 | Ethicon Endo-Surgery, Inc. | Method and devices for endoscopic vessel harvesting |
US5710700A (en) * | 1995-12-18 | 1998-01-20 | International Business Machines Corporation | Optimizing functional operation in manufacturing control |
US5928135A (en) * | 1996-08-15 | 1999-07-27 | Ethicon Endo-Surgery, Inc. | Method and devices for endoscopic vessel harvesting |
US6453246B1 (en) * | 1996-11-04 | 2002-09-17 | 3-Dimensional Pharmaceuticals, Inc. | System, method, and computer program product for representing proximity data in a multi-dimensional space |
US6725112B1 (en) * | 1999-10-29 | 2004-04-20 | General Electric Company | Method, system and storage medium for optimizing a product design |
US6785638B2 (en) * | 2001-08-06 | 2004-08-31 | Timbre Technologies, Inc. | Method and system of dynamic learning through a regression-based library generation process |
DE60231283D1 (en) * | 2001-12-27 | 2009-04-09 | Olympus Corp | Sheath with devices for the endoscopic recovery of blood vessels |
US7191106B2 (en) * | 2002-03-29 | 2007-03-13 | Agilent Technologies, Inc. | Method and system for predicting multi-variable outcomes |
JP4685446B2 (en) | 2002-08-20 | 2011-05-18 | 東京エレクトロン株式会社 | How to process data based on the data context |
JP4528962B2 (en) * | 2004-07-16 | 2010-08-25 | 国立大学法人電気通信大学 | Design support method |
US7606685B2 (en) * | 2006-05-15 | 2009-10-20 | S-Matrix | Method and system that optimizes mean process performance and process robustness |
JP5121132B2 (en) * | 2005-11-02 | 2013-01-16 | オリンパスメディカルシステムズ株式会社 | Endoscope system and operation assist device for endoscope |
US7451122B2 (en) * | 2006-03-29 | 2008-11-11 | Honeywell International Inc. | Empirical design of experiments using neural network models |
CN100565534C (en) * | 2006-09-30 | 2009-12-02 | 普诚科技股份有限公司 | Optimum parameter regulation method and system |
KR100828135B1 (en) * | 2006-12-13 | 2008-05-08 | 이은규 | Endoscopic dissector |
US20080249556A1 (en) * | 2007-04-06 | 2008-10-09 | Ken Yamatani | Dissection apparatus and dissection method |
JP4894709B2 (en) * | 2007-10-04 | 2012-03-14 | 株式会社Ihi | Product design support system and operation method for product design support in computer |
TW200921445A (en) * | 2007-11-08 | 2009-05-16 | Airoha Tech Corp | Circuit analysis method |
-
2009
- 2009-05-14 US US12/466,098 patent/US8086327B2/en active Active
-
2010
- 2010-05-03 WO PCT/US2010/033364 patent/WO2010132224A2/en active Application Filing
- 2010-05-03 KR KR1020117030004A patent/KR101408833B1/en not_active IP Right Cessation
- 2010-05-03 GB GB1119387.7A patent/GB2482452A/en not_active Withdrawn
- 2010-05-03 SG SG2011083532A patent/SG176043A1/en unknown
- 2010-05-03 KR KR1020147002339A patent/KR101391318B1/en not_active IP Right Cessation
- 2010-05-03 SG SG2012082996A patent/SG185983A1/en unknown
- 2010-05-03 CN CN2010800302891A patent/CN102804188A/en active Pending
- 2010-05-03 JP JP2012510848A patent/JP5555316B2/en not_active Expired - Fee Related
- 2010-05-03 DE DE112010002673T patent/DE112010002673T9/en not_active Expired - Fee Related
- 2010-05-12 TW TW099115150A patent/TW201102839A/en unknown
-
2011
- 2011-12-23 US US13/336,623 patent/US8412356B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR101408833B1 (en) | 2014-06-19 |
GB2482452A (en) | 2012-02-01 |
WO2010132224A2 (en) | 2010-11-18 |
JP2012527040A (en) | 2012-11-01 |
SG185983A1 (en) | 2012-12-28 |
JP5555316B2 (en) | 2014-07-23 |
TW201102839A (en) | 2011-01-16 |
US8086327B2 (en) | 2011-12-27 |
KR20120031013A (en) | 2012-03-29 |
GB201119387D0 (en) | 2011-12-21 |
DE112010002673T9 (en) | 2013-05-08 |
US20100292812A1 (en) | 2010-11-18 |
KR20140022110A (en) | 2014-02-21 |
KR101391318B1 (en) | 2014-05-07 |
SG176043A1 (en) | 2011-12-29 |
US8412356B2 (en) | 2013-04-02 |
US20120150508A1 (en) | 2012-06-14 |
CN102804188A (en) | 2012-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112010002673T9 (en) | METHOD AND DEVICE FOR AUTOMATED PREDICTIVEDESIGN SPACE ESTIMATION | |
DE102011102034B4 (en) | Online comparison of a process analytical model with effective process operation | |
EP2999998B1 (en) | Methods for ascertaining a model of an output variable of a technical system | |
DE102011053846A1 (en) | Method and apparatus for managing process control search results | |
DE102015122002A1 (en) | Method and apparatus for providing a role-based user interface | |
DE102016124585A1 (en) | Methods and Apparatus for Using Analytical / Statistical Modeling for Continuous Process Verification (CPV) | |
EP1623287B1 (en) | Configuration of tools and processes for metal forming | |
DE102006058423A1 (en) | Methods and systems for predictive modeling using a model collective | |
AT511272A1 (en) | COUPLING METHODOLOGY FOR NON-ITERATIVE CO SIMULATION | |
DE102012014469A1 (en) | Improved trial procedure | |
EP2088486B1 (en) | Method for measuring a non-linear dynamic real system using design of experiment | |
DE102008057494A1 (en) | Emission model determining method for internal combustion engine in motor vehicle, involves determining number of representative main components and determining and storing transformation matrix in controller | |
DE10151250A1 (en) | Process for determining a complex correlation pattern from process and plant data | |
WO2016198046A1 (en) | Method for selecting a simulation model for modelling at least one functional process of a drivetrain component from an optimized set of models | |
DE202021101570U1 (en) | System for displaying the status of an automation system | |
EP1731981A2 (en) | Data processing system and method for controlling such a system | |
EP1750006A2 (en) | Method for producing a component assembly using a recursion method for optimising the component assembly | |
DE102019119249A1 (en) | CREATING CHARACTERISTICS FOR CONTROLLING A COMBUSTION ENGINE | |
AT524858B1 (en) | Creation method for creating at least one individual system model for a fuel cell system for modeling relationships between system input parameters and system output parameters | |
DE10325513A1 (en) | Method and device for creating a model of a circuit for formal verification | |
WO2023041647A1 (en) | Method and system for improving the production process in a technical installation | |
WO2021063568A1 (en) | Method for identifying parameters of a black box model for one or more energy installations in an energy system | |
EP3945487A1 (en) | Method, device and computer program product for generating a product-specific data set | |
DE102017109412A1 (en) | A method, computer program product, and computational unit for generating a statistical experimental design for a study on a drive system of a motor vehicle | |
CN115809111A (en) | Data simulation display method, system, equipment and medium for energy consumption intensity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |